濾波的基本概念，特徵頻率（中心頻率），截止頻率和增益（db)
特徵頻率（中心頻率）fo是由電路決定的，它一般等於1/2prc （p為3.14的派），它表明了乙個電路特性，也就是這個頻率之前的訊號是我們需要的，而之後的訊號是要濾掉的。而截止頻率fp是增益為-3db時的訊號頻率，-3db之後的頻率一般認為這個訊號是衰減的。我們看一些模擬濾波晶元的datasheet時，裡面提到的一般都是截止頻率。而一般的各種型別的濾波曲線，例如切比雪夫，貝塞爾等，就是根據截止頻率是否靠近特徵頻率以及衰減程度來分類的。
db的概念就是訊號的增益，其實也就是衰減程度，它等於20log(au/aup)，au為某一頻率電路的放大倍數，aup為乙個定值，它等於訊號通帶頻率下的放大倍數。
例如-3db，如果通帶頻率下的放大倍數為1，也就是aup為1，即濾波電路在通帶時沒有放大電壓，那麼-3=20log(au/aup)=20log(au)，算出來au=0.707，在這種情況下，-3db表示訊號衰減為原來的70.7%
濾波與卷積的基本概念
線性濾波與卷積的基本概念 補充一篇更為詳盡的 線性濾波可以說是影象處理最基本的方法，它可以允許我們對影象進行處理，產生很多不同的效果。做法很簡單。首先，我們有乙個二維的濾波器矩陣 有個高大上的名字叫卷積核 和乙個要處理的二維影象。然後，對於影象的每乙個畫素點，計算它的鄰域畫素和濾波器矩陣的對應元素的...
資料探勘 資料處理概念
一 什麼是資料預處理？一般我們得到的資料會存在有缺失值 重複值等，在使用之前需要進行資料預處理。它是一系列對資料操作的統稱。資料預處理沒有標準的流程，通常針對不同的任務和資料集屬性的不同而不同。資料預處理的常用流程為 資料清洗 可以用來清楚資料中的雜訊，糾正不一致。資料整合 將資料由多個資料來源合併...
資料探勘基本概念
1 過擬合 overfitting 顧名思義，某種演算法產生的分類器能夠百分百正確分類訓練樣本，而對於新出現的樣本，它都認為不屬於這個類別，實際資料不完全是訓練樣本能夠覆蓋的，訓練樣本只是其中一小部分，這導致其在新樣本的分類上準確率較低。如圖，可以看出在a中雖然完全的擬合了樣本資料，但對於b中的測試...